跳到正文
Hugging Face Daily Papers·· 2026-09-29AI 评分68

HelixWorld:一种支持实时交互的视听世界模型

HelixWorld: A Real-time Interactive Audio-Visual World Model

AI 导读

HelixWorld 是一个支持实时交互的视听世界模型,旨在解决现有模型仅关注视觉渲染而忽视声学维度的问题。该研究构建了一个包含真实立体声学和度量相机姿态的高保真空间视听数据集,并预训练了基于 6-DoF 相机轨迹和用户动作的双向教师模型。

来源:Hugging Face Daily Papers · arxiv.org